APU
📝 Définition courte
Puce qui intègre CPU, GPU (et souvent NPU) sur un même die ou package, partageant un pool mémoire commun sans copie PCIe.
📖 Définition détaillée
L’APU se distingue d’un PC classique (CPU + GPU discret) par l’absence de séparation physique entre la mémoire processeur et la mémoire graphique. CPU et GPU adressent le même pool LPDDR5X.
Les deux plateformes APU dominantes pour l’inférence LLM en 2026 :
| Plateforme | Exemple | VRAM allouable | Bande passante |
|---|---|---|---|
| Apple Silicon | Mac Studio M5 Max / M5 Ultra (depuis août 2026) | ~120 Go (sur 128 Go) / ~240 Go (sur 256 Go), via sysctl | 614 Go/s / 1,2 To/s |
| AMD Gorgon Halo | Ryzen AI Max+ PRO 495 | 160 Go (BIOS, sur 192 Go) | ~273 Go/s |
Ces chiffres permettent de faire tourner un modèle 70B quantifié (~40 Go) avec une grande fenêtre de contexte sur une station silencieuse de bureau — ce qui est impossible avec un GPU grand public même haut de gamme (32 Go de VRAM max en grand public, sur la RTX 5090).
💡 Pourquoi c’est important en IA on-premise
L’APU est la plateforme de référence pour le Scénario B (Appliance PME) : autonome, silencieuse, consommant moins de 60 W en charge légère, elle héberge un assistant local pour une équipe de 10 à 50 personnes (2 à 20 utilisateurs simultanés).
⚠️ Pièges fréquents
- La mémoire LPDDR5X est soudée : impossible d’upgrader après achat. Prévoyez grand dès le départ.
- Bande passante partagée CPU + GPU : plus l’OS et les applications chargent la RAM, moins le GPU en bénéficie pendant l’inférence.
- Les NPU intégrés (Apple Neural Engine, AMD XDNA) ne sont pas utilisés par les moteurs LLM actuels (Ollama, llama.cpp, vLLM) — l’inférence reste sur le GPU iGPU.